Fine Tunes - Create

Serviço:: Azure AI Services

Versão da API:: 2023-05-15

Cria um trabalho que ajusta um modelo especificado de um determinado arquivo de treinamento. A resposta inclui detalhes do trabalho enfileirado, incluindo status do trabalho e hiper parâmetros. O nome do modelo ajustado é adicionado à resposta após a conclusão.

POST {endpoint}/openai/fine-tunes?api-version=2023-05-15

Parâmetros de URI

Nome	Em	Obrigatório	Tipo	Description
endpoint	path	True	string (url)	Pontos de extremidade dos Serviços Cognitivos com suporte (protocolo e nome do host, por exemplo: https://aoairesource.openai.azure.com. Substitua "aoairesource" pelo nome da sua conta do Azure OpenAI).
api-version	query	True	string	A versão da API solicitada.

Cabeçalho da solicitação

Nome	Obrigatório	Tipo	Description
api-key	True	string	Forneça sua chave de conta do Azure OpenAI dos Serviços Cognitivos aqui.

Corpo da solicitação

Nome	Obrigatório	Tipo	Description
model	True	string minLength: 1	O identificador (model-id) do modelo base usado para esse ajuste fino.
training_file	True	string minLength: 1	A identidade do arquivo (id de arquivo) usada para treinar esse modelo ajustado.
batch_size		integer (int32)	O tamanho do lote a ser usado para treinamento. O tamanho do lote é o número de exemplos de treinamento usados para treinar um único passe para frente e para trás. Em geral, descobrimos que tamanhos de lote maiores tendem a funcionar melhor para conjuntos de dados maiores. O valor padrão, bem como o valor máximo dessa propriedade, são específicos para um modelo base.
classification_betas		number[] (double)	Os valores beta de classificação. Se isso for fornecido, calcularemos as pontuações F-beta nos valores beta especificados. A pontuação F-beta é uma generalização da pontuação F-1. Isso é usado apenas para classificação binária. Com um beta de 1 (ou seja, a pontuação F-1), a precisão e o recall recebem o mesmo peso. Uma pontuação beta maior coloca mais peso no recall e menos na precisão. Uma pontuação beta menor coloca mais peso na precisão e menos no recall.
classification_n_classes		integer (int32)	O número de classes em uma tarefa de classificação. Esse parâmetro é necessário para classificação multiclasse.
classification_positive_class		string	A classe positiva na classificação binária. Esse parâmetro é necessário para gerar precisão, recall e métricas F1 ao fazer a classificação binária.
compute_classification_metrics		boolean	Um valor que indica se as métricas de classificação devem ser computas. Se definido, calculamos métricas específicas de classificação, como precisão e pontuação F-1 usando o conjunto de validação no final de cada época. Essas métricas podem ser exibidas no arquivo de resultados. Para calcular as métricas de classificação, você deve fornecer um validation_file. Além disso, você deve especificar classification_n_classes para classificação multiclasse ou classification_positive_class para classificação binária.
learning_rate_multiplier		number (double)	O multiplicador de taxa de aprendizagem a ser usado para treinamento. A taxa de aprendizado de ajuste fino é a taxa de aprendizado original usada para pré-treinamento multiplicado por esse valor. Taxas de aprendizagem maiores tendem a ter um desempenho melhor com tamanhos de lote maiores. Recomendamos experimentar valores no intervalo de 0,02 a 0,2 para ver o que produz os melhores resultados.
n_epochs		integer (int32)	O número de épocas para as quais treinar o modelo. Uma época refere-se a um ciclo completo por meio do conjunto de dados de treinamento.
prompt_loss_weight		number (double)	O peso a ser usado para perda nos tokens de prompt. Isso controla o quanto o modelo tenta aprender a gerar o prompt (em comparação com a conclusão que sempre tem um peso de 1,0) e pode adicionar um efeito estabilizador ao treinamento quando as conclusões são curtas. Se os prompts forem extremamente longos (em relação às conclusões), talvez faça sentido reduzir esse peso para evitar a priorização excessiva do aprendizado do prompt.
suffix		string	O sufixo usado para identificar o modelo ajustado. O sufixo pode conter até 40 caracteres (a-z, A-Z, 0-9 e _) que serão adicionados ao seu nome de modelo ajustado.
validation_file		string	A identidade do arquivo (id de arquivo) usada para avaliar o modelo ajustado durante o treinamento.

Respostas

Nome	Tipo	Description
201 Created	FineTune	A afinação foi criada com êxito. Cabeçalhos Location: string
Other Status Codes	ErrorResponse	Ocorreu um erro.

Nome

Tipo

Description

201 Created

FineTune

A afinação foi criada com êxito.

Cabeçalhos

Location: string

Other Status Codes

ErrorResponse

Ocorreu um erro.

Segurança

api-key

Forneça sua chave de conta do Azure OpenAI dos Serviços Cognitivos aqui.

Tipo: apiKey
Em: header

Exemplos

Creating a fine tune job for classification.

Creating a fine tune job.

Creating a fine tune job for classification.

Solicitação de exemplo

HTTP

POST https://aoairesource.openai.azure.com/openai/fine-tunes?api-version=2023-05-15


{
  "compute_classification_metrics": true,
  "classification_n_classes": 4,
  "model": "curie",
  "training_file": "file-181a1cbdcdcf4677ada87f63a0928099"
}

Resposta de exemplo

Código de status:: 201

location: https://aoairesource.openai.azure.com/openai/fine-tunes/ft-72a2792ef7d24ba7b82c7fe4a37e379f

{
  "hyperparams": {
    "compute_classification_metrics": true,
    "classification_n_classes": 4,
    "batch_size": 32,
    "learning_rate_multiplier": 1,
    "n_epochs": 2,
    "prompt_loss_weight": 0.1
  },
  "model": "curie",
  "training_files": [
    {
      "statistics": {
        "tokens": 42,
        "examples": 23
      },
      "bytes": 140,
      "purpose": "fine-tune",
      "filename": "puppy.jsonl",
      "id": "file-181a1cbdcdcf4677ada87f63a0928099",
      "status": "succeeded",
      "created_at": 1646126127,
      "updated_at": 1646127311,
      "object": "file"
    }
  ],
  "id": "ft-72a2792ef7d24ba7b82c7fe4a37e379f",
  "status": "notRunning",
  "created_at": 1646126127,
  "updated_at": 1646127311,
  "object": "fine-tune"
}

Creating a fine tune job.

Solicitação de exemplo

HTTP

POST https://aoairesource.openai.azure.com/openai/fine-tunes?api-version=2023-05-15


{
  "model": "curie",
  "training_file": "file-181a1cbdcdcf4677ada87f63a0928099"
}

Resposta de exemplo

Código de status:: 201

location: https://aoairesource.openai.azure.com/openai/fine-tunes/ft-72a2792ef7d24ba7b82c7fe4a37e379f

{
  "hyperparams": {
    "batch_size": 32,
    "learning_rate_multiplier": 1,
    "n_epochs": 2,
    "prompt_loss_weight": 0.1
  },
  "model": "curie",
  "training_files": [
    {
      "statistics": {
        "tokens": 42,
        "examples": 23
      },
      "bytes": 140,
      "purpose": "fine-tune",
      "filename": "puppy.jsonl",
      "id": "file-181a1cbdcdcf4677ada87f63a0928099",
      "status": "succeeded",
      "created_at": 1646126127,
      "updated_at": 1646127311,
      "object": "file"
    }
  ],
  "id": "ft-72a2792ef7d24ba7b82c7fe4a37e379f",
  "status": "notRunning",
  "created_at": 1646126127,
  "updated_at": 1646127311,
  "object": "fine-tune"
}

Definições

Nome	Description
Error	Erro
ErrorCode	ErrorCode
ErrorResponse	ErrorResponse
Event	Acontecimento
File	Arquivo
FileStatistics	FileStatistics
FineTune	FineTune
FineTuneCreation	FineTuneCreation
HyperParameters	HiperParâmetros
InnerError	InnerError
InnerErrorCode	InnerErrorCode
LogLevel	LogLevel
Purpose	Propósito
State	Estado
TypeDiscriminator	TypeDiscriminator

Error

Objeto

Erro

Nome	Tipo	Description
code	ErrorCode	ErrorCode Códigos de erro conforme definido nas diretrizes rest da Microsoft (https://github.com/microsoft/api-guidelines/blob/vNext/Guidelines.md#7102-error-condition-responses).
details	Error[]	Os detalhes do erro, se disponíveis.
innererror	InnerError	InnerError Erro interno conforme definido nas diretrizes rest da Microsoft (https://github.com/microsoft/api-guidelines/blob/vNext/Guidelines.md#7102-error-condition-responses).
message	string minLength: 1	A mensagem desse erro.
target	string	O local em que o erro ocorreu se disponível.

ErrorCode

Enumeração

ErrorCode

Valor	Description
conflict	A operação solicitada entra em conflito com o estado do recurso atual.
invalidPayload	Os dados da solicitação são inválidos para esta operação.
forbidden	A operação é proibida para a chave de usuário/api atual.
notFound	O recurso não foi encontrado.
unexpectedEntityState	A operação não pode ser executada no estado do recurso atual.
itemDoesAlreadyExist	O item já existe.
serviceUnavailable	No momento, o serviço não está disponível.
internalFailure	Erro interno. Tente novamente.
quotaExceeded	Cota excedida.
jsonlValidationFailed	Falha na validação de dados jsonl.
fileImportFailed	Falha na importação do arquivo.

ErrorResponse

Objeto

ErrorResponse

Nome	Tipo	Description
error	Error	Erro Conteúdo do erro, conforme definido nas diretrizes do Microsoft REST (https://github.com/microsoft/api-guidelines/blob/vNext/Guidelines.md#7102-error-condition-responses).

Event

Objeto

Acontecimento

Nome	Tipo	Description
created_at	integer (unixtime)	Um carimbo de data/hora quando esse evento foi criado (em épocas unix).
level	LogLevel	LogLevel O nível de verbosidade de um evento.
message	string minLength: 1	A mensagem que descreve o evento. Isso pode ser uma alteração de estado, por exemplo, enfileirado, iniciado, com falha ou concluído ou outros eventos, como resultados carregados.
object	TypeDiscriminator	TypeDiscriminator Define o tipo de um objeto.

File

Objeto

Arquivo

Nome	Tipo	Description
bytes	integer (int64)	O tamanho desse arquivo quando disponível (pode ser nulo). Não há suporte para tamanhos de arquivo maiores que 2^53-1 para garantir a compatibilidade com inteiros javaScript.
created_at	integer (unixtime)	Um carimbo de data/hora quando este trabalho ou item foi criado (em épocas unix).
error	Error	Erro Conteúdo do erro, conforme definido nas diretrizes do Microsoft REST (https://github.com/microsoft/api-guidelines/blob/vNext/Guidelines.md#7102-error-condition-responses).
filename	string minLength: 1	O nome do arquivo.
id	string	A identidade deste item.
object	TypeDiscriminator	TypeDiscriminator Define o tipo de um objeto.
purpose	Purpose	Propósito A finalidade pretendida dos documentos carregados. Use "fine-tune" para ajuste fino. Isso nos permite validar o formato do arquivo carregado.
statistics	FileStatistics	FileStatistics Um arquivo é um documento utilizável para treinamento e validação. Ele também pode ser um documento gerado pelo serviço com detalhes do resultado.
status	State	Estado O estado de um trabalho ou item.
updated_at	integer (unixtime)	Um carimbo de data/hora quando este trabalho ou item foi modificado por último (em épocas unix).

FileStatistics

Objeto

FileStatistics

Nome	Tipo	Description
examples	integer (int32)	O número de exemplos de treinamento contidos em arquivos do tipo "ajuste fino" após a conclusão da validação do conteúdo do arquivo.
tokens	integer (int32)	O número de tokens usados em prompts e conclusões para arquivos do tipo "ajuste fino" após a conclusão da validação do conteúdo do arquivo.

FineTune

Objeto

FineTune

Nome	Tipo	Description
created_at	integer (unixtime)	Um carimbo de data/hora quando este trabalho ou item foi criado (em épocas unix).
error	Error	Erro Conteúdo do erro, conforme definido nas diretrizes do Microsoft REST (https://github.com/microsoft/api-guidelines/blob/vNext/Guidelines.md#7102-error-condition-responses).
events	Event[]	Os eventos que mostram o progresso da execução de ajuste fino, incluindo enfileirados, em execução e concluídos.
fine_tuned_model	string	O identificador (id de modelo) do modelo ajustado resultante. Essa propriedade só é preenchida para execuções de ajuste fino concluídas com êxito. Use esse identificador para criar uma implantação para inferência.
hyperparams	HyperParameters	HiperParâmetros As configurações de hiper parâmetro usadas em um trabalho de ajuste fino.
id	string	A identidade deste item.
model	string minLength: 1	O identificador (model-id) do modelo base usado para o ajuste fino.
object	TypeDiscriminator	TypeDiscriminator Define o tipo de um objeto.
organisation_id	string	A ID da organização deste trabalho de ajuste fino. Não utilizado no Azure OpenAI; compatibilidade somente para OpenAI.
result_files	File[]	As identidades de arquivo de resultado (id de arquivo) que contêm métricas de treinamento e avaliação no formato csv. O arquivo só está disponível para execuções de ajuste fino concluídas com êxito.
status	State	Estado O estado de um trabalho ou item.
suffix	string	O sufixo usado para identificar o modelo ajustado.
training_files	File[]	As identidades de arquivo (id de arquivo) que são usadas para treinar o modelo ajustado.
updated_at	integer (unixtime)	Um carimbo de data/hora quando este trabalho ou item foi modificado por último (em épocas unix).
user_id	string	A ID do usuário deste trabalho de ajuste fino. Não utilizado no Azure OpenAI; compatibilidade somente para OpenAI.
validation_files	File[]	As identidades de arquivo (id de arquivo) usadas para avaliar o modelo ajustado durante o treinamento.

FineTuneCreation

Objeto

FineTuneCreation

Nome	Tipo	Description
batch_size	integer (int32)	O tamanho do lote a ser usado para treinamento. O tamanho do lote é o número de exemplos de treinamento usados para treinar um único passe para frente e para trás. Em geral, descobrimos que tamanhos de lote maiores tendem a funcionar melhor para conjuntos de dados maiores. O valor padrão, bem como o valor máximo dessa propriedade, são específicos para um modelo base.
classification_betas	number[] (double)	Os valores beta de classificação. Se isso for fornecido, calcularemos as pontuações F-beta nos valores beta especificados. A pontuação F-beta é uma generalização da pontuação F-1. Isso é usado apenas para classificação binária. Com um beta de 1 (ou seja, a pontuação F-1), a precisão e o recall recebem o mesmo peso. Uma pontuação beta maior coloca mais peso no recall e menos na precisão. Uma pontuação beta menor coloca mais peso na precisão e menos no recall.
classification_n_classes	integer (int32)	O número de classes em uma tarefa de classificação. Esse parâmetro é necessário para classificação multiclasse.
classification_positive_class	string	A classe positiva na classificação binária. Esse parâmetro é necessário para gerar precisão, recall e métricas F1 ao fazer a classificação binária.
compute_classification_metrics	boolean	Um valor que indica se as métricas de classificação devem ser computas. Se definido, calculamos métricas específicas de classificação, como precisão e pontuação F-1 usando o conjunto de validação no final de cada época. Essas métricas podem ser exibidas no arquivo de resultados. Para calcular as métricas de classificação, você deve fornecer um validation_file. Além disso, você deve especificar classification_n_classes para classificação multiclasse ou classification_positive_class para classificação binária.
learning_rate_multiplier	number (double)	O multiplicador de taxa de aprendizagem a ser usado para treinamento. A taxa de aprendizado de ajuste fino é a taxa de aprendizado original usada para pré-treinamento multiplicado por esse valor. Taxas de aprendizagem maiores tendem a ter um desempenho melhor com tamanhos de lote maiores. Recomendamos experimentar valores no intervalo de 0,02 a 0,2 para ver o que produz os melhores resultados.
model	string minLength: 1	O identificador (model-id) do modelo base usado para esse ajuste fino.
n_epochs	integer (int32)	O número de épocas para as quais treinar o modelo. Uma época refere-se a um ciclo completo por meio do conjunto de dados de treinamento.
prompt_loss_weight	number (double)	O peso a ser usado para perda nos tokens de prompt. Isso controla o quanto o modelo tenta aprender a gerar o prompt (em comparação com a conclusão que sempre tem um peso de 1,0) e pode adicionar um efeito estabilizador ao treinamento quando as conclusões são curtas. Se os prompts forem extremamente longos (em relação às conclusões), talvez faça sentido reduzir esse peso para evitar a priorização excessiva do aprendizado do prompt.
suffix	string	O sufixo usado para identificar o modelo ajustado. O sufixo pode conter até 40 caracteres (a-z, A-Z, 0-9 e _) que serão adicionados ao seu nome de modelo ajustado.
training_file	string minLength: 1	A identidade do arquivo (id de arquivo) usada para treinar esse modelo ajustado.
validation_file	string	A identidade do arquivo (id de arquivo) usada para avaliar o modelo ajustado durante o treinamento.

HyperParameters

Objeto

HiperParâmetros

Nome	Tipo	Description
batch_size	integer (int32)	O tamanho do lote a ser usado para treinamento. O tamanho do lote é o número de exemplos de treinamento usados para treinar um único passe para frente e para trás. Em geral, descobrimos que tamanhos de lote maiores tendem a funcionar melhor para conjuntos de dados maiores. O valor padrão, bem como o valor máximo dessa propriedade, são específicos para um modelo base.
classification_betas	number[] (double)	Os valores beta de classificação. Se isso for fornecido, calcularemos as pontuações F-beta nos valores beta especificados. A pontuação F-beta é uma generalização da pontuação F-1. Isso é usado apenas para classificação binária. Com um beta de 1 (ou seja, a pontuação F-1), a precisão e o recall recebem o mesmo peso. Uma pontuação beta maior coloca mais peso no recall e menos na precisão. Uma pontuação beta menor coloca mais peso na precisão e menos no recall.
classification_n_classes	integer (int32)	O número de classes em uma tarefa de classificação. Esse parâmetro é necessário para classificação multiclasse.
classification_positive_class	string	A classe positiva na classificação binária. Esse parâmetro é necessário para gerar precisão, recall e métricas F1 ao fazer a classificação binária.
compute_classification_metrics	boolean	Um valor que indica se as métricas de classificação devem ser computas. Se definido, calculamos métricas específicas de classificação, como precisão e pontuação F-1 usando o conjunto de validação no final de cada época. Essas métricas podem ser exibidas no arquivo de resultados. Para calcular as métricas de classificação, você deve fornecer um validation_file. Além disso, você deve especificar classification_n_classes para classificação multiclasse ou classification_positive_class para classificação binária.
learning_rate_multiplier	number (double)	O multiplicador de taxa de aprendizagem a ser usado para treinamento. A taxa de aprendizado de ajuste fino é a taxa de aprendizado original usada para pré-treinamento multiplicado por esse valor. Taxas de aprendizagem maiores tendem a ter um desempenho melhor com tamanhos de lote maiores. Recomendamos experimentar valores no intervalo de 0,02 a 0,2 para ver o que produz os melhores resultados.
n_epochs	integer (int32)	O número de épocas para as quais treinar o modelo. Uma época refere-se a um ciclo completo por meio do conjunto de dados de treinamento.
prompt_loss_weight	number (double)	O peso a ser usado para perda nos tokens de prompt. Isso controla o quanto o modelo tenta aprender a gerar o prompt (em comparação com a conclusão que sempre tem um peso de 1,0) e pode adicionar um efeito estabilizador ao treinamento quando as conclusões são curtas. Se os prompts forem extremamente longos (em relação às conclusões), talvez faça sentido reduzir esse peso para evitar a priorização excessiva do aprendizado do prompt.

InnerError

Objeto

InnerError

Nome	Tipo	Description
code	InnerErrorCode	InnerErrorCode Códigos de erro internos, conforme definido nas diretrizes rest da Microsoft (https://github.com/microsoft/api-guidelines/blob/vNext/Guidelines.md#7102-error-condition-responses).
innererror	InnerError	InnerError Erro interno conforme definido nas diretrizes rest da Microsoft (https://github.com/microsoft/api-guidelines/blob/vNext/Guidelines.md#7102-error-condition-responses).

InnerErrorCode

Enumeração

InnerErrorCode

Valor	Description
invalidPayload	Os dados da solicitação são inválidos para esta operação.

LogLevel

Enumeração

LogLevel

Valor	Description
info	Esse evento é somente para informações.
warning	Esse evento representa um problema atenuado.
error	Essa mensagem representa um problema não recuperável.

Purpose

Enumeração

Propósito

Valor	Description
fine-tune	Este arquivo contém dados de treinamento para um trabalho de ajuste fino.
fine-tune-results	Esse arquivo contém os resultados de um trabalho de ajuste fino.

State

Enumeração

Estado

Valor	Description
notRunning	A operação foi criada e não está na fila para ser processada no futuro.
running	A operação começou a ser processada.
succeeded	A operação foi processada com êxito e está pronta para consumo.
canceled	A operação foi cancelada e está incompleta.
failed	A operação concluiu o processamento com uma falha e não pode ser consumida.
deleted	A entidade foi excluída, mas ainda pode ser referenciada por outras entidades que antecedem a exclusão.

TypeDiscriminator

Enumeração

TypeDiscriminator

Valor	Description
list	Esse objeto representa uma lista de outros objetos.
fine-tune	Esse objeto representa um trabalho de ajuste fino.
file	Esse objeto representa um arquivo.
fine-tune-event	Esse objeto representa um evento de um trabalho de ajuste fino.
model	Esse objeto representa um modelo (pode ser um modelo base ou um resultado de trabalho de ajuste fino).